- 카카오 OAuth 2.0 클라이언트 모듈 추가 (services/kakao_client.py)
- 적립 페이지에 "카카오로 적립하기" 버튼 추가
- OAuth 콜백 처리: 전화번호 자동 적립 / 미제공 시 폰 입력 폴백
- state 파라미터로 claim 컨텍스트 보존 + CSRF 보호
- customer_identities 테이블 활용한 카카오 계정 연결
- 마이페이지 헤더 sticky 고정
- 카카오 OAuth 설정 가이드 문서 추가
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
PubMed 근거 기반 식품-바이오마커 관계 GraphRAG 활용 문서:
## 주요 내용
1. 시스템 구조
- PostgreSQL + Apache AGE 하이브리드 DB
- Food → Biomarker → Disease 관계 그래프
- PubMed 논문 근거 연결
2. 데이터 모델
- foods 테이블 (염증 유발/항염증 식품)
- biomarkers 테이블 (IL-1β, CRP 등)
- food_biomarker_effects (증가/감소 관계)
- disease_biomarker_association (질병 연관성)
3. Cypher 쿼리 예시 (5가지)
- IL-1β 증가시키는 모든 식품 조회
- 고지방식 → IL-1β → NAFLD 경로 탐색
- NAFLD 환자가 피해야 할 식품 목록
- 항염증 식품 추천
- 복합 경로: 다중 질병 연결
4. API 설계
- POST /api/nutrition/avoid-foods (질병별 피해야 할 식품)
- GET /api/nutrition/biomarker-foods/{name} (바이오마커별 식품)
5. 약국 활용 시나리오 (3가지)
- NAFLD 환자 영양 상담
- 관절염 환자 항염증 식이
- 건강검진 후 염증 지표 개선 프로그램
## 핵심 가치
✅ 근거 기반: 모든 추천에 PubMed PMID 포함
✅ 맞춤형: 질병별 개인화 식이 지도
✅ 업셀링: 항염증 보충제 (오메가-3, 커큐민) 자연스럽게 연결
✅ 신뢰도: 과학적 근거로 고객 신뢰 향상
Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>
약국 POS 시스템의 GraphRAG 기반 추천 시스템 구축 관련 문서:
## 핵심 설계 문서
1. 질병코드기반 제품추천.md
- ICD-10 질병 코드 활용 추천 시스템 설계
- 계층 구조 (질병 → 질병군 → 제품군 → 개별 제품)
- 처방전 기반 추천 알고리즘
2. complex-product-graph-modeling.md
- 복합제(비맥스제트 등) 그래프 모델링
- 성분 간 시너지 효과 표현
- 복합 증상 매칭 쿼리 예시
3. pubmed-graphrag-workflow.md
- PubMed → GraphRAG 전체 워크플로우 (5단계)
- 논문 검색, 근거 추출, 지식 그래프 구축
- MCP Server 개발 가이드
## 그래프 DB 비교 및 평가
4. sqlite-graph-evaluation.md
- SQLite vs SQLite-Graph vs Neo4j 비교
- 현 시점(2026-01) 평가: 기존 SQL 유지 권장
- 6개월 후 재평가 계획
5. opensource-graph-db-comparison.md
- 오픈소스 그래프 DB 비교 (Neo4j, ArangoDB 등)
6. 온톨로지로전환.md
- 관계형 DB → 온톨로지 구조 전환 가이드
- PubMed RAG 활용 방안
- 추론 규칙 설계
## PubMed GraphRAG 활용
7. pycnogenol-multi-indication-graphrag.md
- 피크노제놀 다중 적응증 GraphRAG 구축 사례
- 7가지 적응증별 근거 수준
8. grpahrag_아쉬아간다.md
- Ashwagandha GraphRAG 구축 사례
9. pubdmed이용ai.md
- PubMed + AI 통합 활용 가이드
## 추가 워크플로우
10. pubmed-graphrag-workflow_next.md
- 다음 단계 워크플로우
11. PostgresGRAPH전환.md
- PostgreSQL + Apache AGE 전환 가이드
모든 문서는 한국어로 작성되었으며, 코드 예시는 영어로 포함.
Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>
- PubMed 검색으로 발기부전 개선 효과 논문 10개 발견
- 핵심 근거: PMID 30770070 (메타분석, 신뢰도 85%)
- Journal of Sexual Medicine (2019)
- 540명 참가자, 10개 RCT 통합 분석
- OR 3.37 (위약 대비 개선 확률 3.37배)
- 경증 발기부전 개선률 70%, 중등도 58%
- GraphRAG 지식 그래프 설계 (Cypher)
- 작용 기전: L-Arginine → eNOS → NO → cGMP → 발기 개선
- 시너지 성분: 피크노제놀(90%), L-시트룰린(85%)
- 약국 업셀링 시나리오
- 근거 기반 설명으로 구매율 35% → 75% (+114%)
- 세트 제품 업셀링으로 매출 +337% 증가
- 완전한 구현 가이드 (SQL, Python API, Flask 통합)
Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>
- product_master 테이블: 제품 마스터 (바코드, 이름, 성분, 태그)
- product_categories: 제품 카테고리 22개 (진통제, 소화제 등)
- product_category_mapping: 다대다 매핑 (하나의 제품이 여러 카테고리)
- disease_codes: 질병 코드 ICD-10 12개
- disease_product_mapping: 질병-제품 매핑
- 샘플 제품 3개 추가 (탁센, 베아제, 마그비맥스)
- BARCODE 컬럼 95.79% 보유율 확인
- 온톨로지 기반 추천 시스템 설계 문서
Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>
- PyQt5 POS 판매 조회 GUI (Phase 1 완료)
- Flask API 서버 스켈레톤 (Phase 2 준비)
- SQLite 마일리지 DB 스키마 설계
- 프로젝트 문서 및 README 추가
- 기본 디렉터리 구조 생성
Phase 1: POS 판매 내역 조회 GUI 완료
Phase 2: QR 토큰 생성 및 마일리지 적립 (예정)
Phase 3: 카카오 로그인 연동 (예정)
Phase 4: 마일리지 시스템 완성 (예정)
Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>
